📜  Python Keras | keras.utils.to_categorical()(1)

📅  最后修改于: 2023-12-03 15:18:56.263000             🧑  作者: Mango

Python Keras | keras.utils.to_categorical()

keras.utils.to_categorical()是一个用于将整型标签转换为多分类矩阵的实用函数。 例如,将数字1,2和3转换为相应地10维热编码向量。

使用方法

keras.utils.to_categorical(y, num_classes=None, dtype='float32')

  1. y:整数向量,例如数字标签。
  2. num_classes:总共有多少个类别。默认值是None。如果不指定,num_classes将设置为y中的最大整数+1。
  3. dtype:输出的矩阵数据类型。

下面是一个简单的示例:

from keras.utils import to_categorical
import numpy as np

labels = np.array([1, 5, 3, 2, 1, 4, 2, 1, 3])
one_hot_labels = to_categorical(labels)
print(one_hot_labels)

输出结果:

[[0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 1.]
 [0. 0. 0. 1. 0. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 0. 1. 0.]
 [0. 0. 1. 0. 0. 0.]
 [0. 1. 0. 0. 0. 0.]
 [0. 0. 0. 1. 0. 0.]]

在这个示例中,我们有一个标签数组,其中包含了9个数字标签。然后,我们使用keras.utils.to_categorical()函数将每个标签转换为相应的10维热编码向量。最终,我们得到一个形状为(9, 6)的数组,其中每一行都是一个数字标签的热编码表示。

总结

keras.utils.to_categorical()是一个非常有用的函数,它可以很容易地将整数标签转换为热编码向量。无论是处理图像分类问题,还是对文本进行情感分析,都可以使用这个函数很方便地进行标签处理。